-
TECHNISCHES GEBIET
-
Die vorliegende Offenbarung betrifft Hybrid-/Elektrofahrzeuge und Verfahren zum Steuern von Nutzbremsung in Hybrid-/Elektrofahrzeugen.
-
ALLGEMEINER STAND DER TECHNIK
-
Nutzbremsung ist ein Merkmal von Hybridfahrzeugen, das die Kraftstoffeffizienz verbessert, indem kinetische Energie zurückgewonnen wird, wenn das Fahrzeug während eines Bremsereignisses langsamer wird. Während der Nutzbremsung kann eine elektrische Maschine als Generator arbeiten, um die kinetische Energie des Fahrzeugs in elektrische Energie umzuwandeln, die wiederum zum Laden einer Batterie verwendet wird.
-
KURZDARSTELLUNG
-
Ein Fahrzeug beinhaltet eine elektrische Maschine und eine Steuerung. Die elektrische Maschine ist dazu konfiguriert, Energie von einer Batterie zu beziehen, um das Fahrzeug anzutreiben und bei Nutzbremsung die Batterie wiederaufzuladen. Die Steuerung ist dazu programmiert, als Reaktion darauf, dass auf Grundlage einer Klassifikation des Fahrerverhaltens und einer Klassifikation eines bevorstehenden Straßensegments eine Gelegenheit zur Nutzbremsung entlang des bevorstehenden Straßensegments identifiziert wird, entlang des bevorstehenden Straßensegments die elektrische Maschine zu betreiben, um die Batterie wiederaufzuladen.
-
Ein Wiederaufladeverfahren für eine Fahrzeugbatterie beinhaltet ein Sammeln von Fahrerverhaltens- und Straßensegmenteigenschaftsdaten von mehreren Fahrern über mehrere Segmente, ein Festlegen einer Klassifikation eines aktuellen Fahrerverhaltens auf Grundlage der Fahrerverhaltensdaten, ein Festlegen einer Klassifikation eines bevorstehenden Straßensegments auf Grundlage der Straßensegmenteigenschaftsdaten, ein Identifizieren einer Gelegenheit zur Nutzbremsung entlang des bevorstehenden Straßensegments durch Querverweisen der Klassifikation des Fahrverhaltens auf die Klassifikation des bevorstehenden Straßensegments und ein Wiederaufladen der Batterie über Nutzbremsung entlang des bevorstehenden Straßensegments.
-
Ein Fahrzeug beinhaltet eine elektrische Maschine und eine Steuerung. Die elektrische Maschine ist dazu konfiguriert, Energie von einer Batterie zu beziehen, um das Fahrzeug anzutreiben und bei Nutzbremsung die Batterie wiederaufzuladen. Die Steuerung ist dazu programmiert, als Reaktion darauf, dass auf Grundlage von Klassifikationen von Fahrverhalten und eines bevorstehenden Straßensegments eine Gelegenheit zur Nutzbremsung entlang des bevorstehenden Straßensegments identifiziert wird, ein Nutzbremsereignis entlang des bevorstehenden Straßensegments einzuplanen. Die Steuerung ist ferner dazu programmiert, als Reaktion darauf, dass eine Batterieladekapazität unter einem Wert liegt, der benötigt wird, um eine geschätzte potentielle Nutzbremsenergie während des geplanten Nutzbremsereignisses zurückzugewinnen, die elektrische Maschine zu betreiben, um die Batterieladekapazität vor dem geplanten Nutzbremsereignis auf mehr als den Wert zu erhöhen.
-
Figurenliste
-
- 1 ist eine schematische Darstellung eines beispielhaften Antriebsstrangs eines Elektrofahrzeugs;
- 2 ist ein Ablaufdiagramm, das ein Verfahren zum Optimieren von Nutzbremsung in einem Hybrid-/Elektrofahrzeug veranschaulicht; und
- 3 ist ein Beispiel für ein Vorhersagen einer Gelegenheit zur Nutzbremsung entlang eines oder mehrerer bevorstehender Straßensegmente und für ein Entleeren der Batterie vor der Gelegenheit zur Nutzbremsung zum Maximieren der Nutzbremsung entlang der bevorstehenden Straßensegmente.
-
DETAILLIERTE BESCHREIBUNG
-
In dieser Schrift werden Ausführungsformen der vorliegenden Offenbarung beschrieben. Es versteht sich jedoch, dass die offenbarten Ausführungsformen lediglich Beispiele sind und andere Ausführungsformen verschiedene und alternative Formen annehmen können. Die Figuren sind nicht unbedingt maßstabsgetreu; einige Merkmale könnten vergrößert oder verkleinert dargestellt sein, um Details bestimmter Komponenten zu zeigen. Dementsprechend sind hierin offenbarte konkrete strukturelle und funktionelle Details nicht als einschränkend auszulegen, sondern lediglich als repräsentative Grundlage, um den Fachmann die vielfältige Verwendung der Ausführungsformen zu lehren. Der Durchschnittsfachmann wird erkennen, dass verschiedene Merkmale, die in Bezug auf eine beliebige der Figuren veranschaulicht und beschrieben sind, mit Merkmalen kombiniert werden können, die in einer oder mehreren anderen Figuren veranschaulicht sind, um Ausführungsformen zu erzeugen, die nicht explizit veranschaulicht oder beschrieben sind. Die veranschaulichten Kombinationen von Merkmalen stellen repräsentative Ausführungsformen für typische Anwendungen bereit. Verschiedene Kombinationen und Modifikationen der Merkmale, die mit den Lehren dieser Offenbarung vereinbar sind, können jedoch für bestimmte Anwendungen oder Umsetzungen wünschenswert sein.
-
Unter Bezugnahme auf 1 ist eine schematische Darstellung eines Elektrofahrzeugs 10 gemäß einer Ausführungsform der vorliegenden Offenbarung veranschaulicht. 1 veranschaulicht repräsentative Beziehungen zwischen verschiedenen Komponenten des Fahrzeugs 10. Die physische Anordnung und Ausrichtung der Komponenten innerhalb des Fahrzeugs können variieren. Das Elektrofahrzeug 10 beinhaltet einen Antriebsstrang 12. Der Antriebsstrang 12 beinhaltet eine elektrische Maschine, wie etwa einen Elektromotor/Generator (M/G) 14, der ein Getriebe (oder Schaltgetriebe) 16 antreibt. Insbesondere kann der M/G 14 drehbar mit einer Eingangswelle 18 des Getriebes 16 verbunden sein. Das Getriebe 16 kann über einen Getriebebereichwahlhebel (nicht gezeigt) in PRNDSL (Parken, Rückwärts, Neutral, Fahren, Sport, Langsam) gestellt werden. Das Getriebe 16 kann eine feste Übersetzungsbeziehung aufweisen, die ein einzelnes Übersetzungsverhältnis zwischen der Eingangswelle 18 und einer Ausgangswelle 20 des Getriebes 16 bereitstellt. Ein Drehmomentwandler (nicht gezeigt) oder eine Anfahrkupplung (nicht gezeigt) kann zwischen dem M/G 14 und dem Getriebe 16 angeordnet sein. Alternativ kann das Getriebe 16 kann ein mehrstufiges Automatikgetriebe sein. Eine zugehörige Traktionsbatterie 22 ist dazu konfiguriert, elektrische Leistung an den M/G 14 abzugeben und von diesem zu empfangen.
-
Der M/G 14 stellt eine Antriebsquelle für das Elektrofahrzeug 10 dar, die dazu konfiguriert ist, das Elektrofahrzeug 10 anzutreiben. Der M/G 14 kann durch eine beliebige von einer Vielzahl von Arten elektrischer Maschinen umgesetzt sein. Zum Beispiel kann es sich bei dem M/G 14 um einen Permanentmagnet-Synchronmotor handeln. Eine Leistungselektronik 24 konditioniert durch die Batterie 22 bereitgestellte Gleichstrom(direct current - DC)-Leistung auf die Anforderungen des M/G 14, wie nachstehend beschrieben wird. Zum Beispiel kann die Leistungselektronik 24 dem M/G 14 Dreiphasenwechselstrom (alternating current - AC) bereitstellen.
-
Wenn es sich bei dem Getriebe 16 um ein mehrstufiges Automatikgetriebe handelt, kann das Getriebe 16 Zahnradsätze (nicht gezeigt) beinhalten, die durch selektives Einrücken von Reibungselementen, wie etwa Kupplungen und Bremsen (nicht gezeigt) selektiv in unterschiedliche Übersetzungsverhältnisse gebracht werden, um die gewünschten mehreren diskreten oder stufenweisen Antriebsübersetzungen herzustellen. Die Reibungselemente sind über einen Schaltzeitplan steuerbar, der bestimmte Elemente der Zahnradsätze verbindet und trennt, um die Übersetzung zwischen der Getriebeausgangswelle 20 und der Getriebeeingangswelle 18 zu steuern. Das Getriebe 16 wird durch eine zugehörige Steuerung, wie etwa eine Antriebsstrangsteuereinheit (powertrain control unit - PCU), auf Grundlage verschiedener Fahrzeug- und Umgebungsbetriebsbedingungen automatisch aus einer Übersetzung in eine andere gestaltet. Leistung und Drehmoment vom M/G 14 können an das Getriebe 16 abgegeben und von diesem empfangen werden. Das Getriebe 16 stellt der dann der Ausgangswelle 20 Antriebsstrangausgangsleistung und -drehmoment bereit.
-
Es versteht sich, dass das hydraulisch gesteuerte Getriebe 16, das mit einem Drehmomentwandler (nicht gezeigt) gekoppelt sein kann, nur ein Beispiel für eine Schaltgetriebe- oder Getriebeanordnung ist; jedes Mehrfachübersetzungsschaltgetriebe, das (ein) Eingangsdrehmoment(e) von einer Leistungsquelle (z. B. M/G 14) annimmt und dann einer Ausgangswelle (z. B. Ausgangswelle 20) ein Drehmoment mit den unterschiedlichen Übersetzungen bereitstellt, ist für eine Verwendung in den Ausführungsformen der vorliegenden Offenbarung annehmbar. Zum Beispiel kann das Getriebe 16 durch ein mechanisches (oder manuelles) Automatikgetriebe (automated mechanical transmission - AMT) umgesetzt sein, das einen oder mehrere Servomotoren zum Verschieben/Drehen von Schaltgabeln entlang einer Schaltstange in ein gewünschtes Übersetzungsverhältnis beinhaltet. Wie es dem Durchschnittsfachmanns im Allgemeinen bekannt ist, kann ein AMT beispielsweise bei Anwendungen mit einem höheren Drehmomentbedarf verwendet werden.
-
Wie in der repräsentativen Ausführungsform in 1 gezeigt, ist die Ausgangswelle 20 mit einem Differential 26 verbunden. Das Differential 26 treibt ein Paar von Antriebsrädern 28 über jeweilige Achsen 30 an, die mit dem Differential 26 verbunden sind. Das Differential 26 überträgt ungefähr das gleiche Drehmoment auf jedes Rad 28, während es leichte Drehzahlunterschiede zulässt, wie etwa, wenn das Fahrzeug um eine Kurve fährt. Unterschiedliche Typen von Differentialen oder ähnlichen Vorrichtungen können verwendet werden, um Drehmoment vom Antriebsstrang auf ein oder mehrere Räder zu verteilen. Bei einigen Anwendungen kann die Drehmomentverteilung beispielsweise je nach konkretem Betriebsmodus oder konkreter Betriebsbedingung variieren.
-
Der Antriebsstrang 12 beinhaltet ferner eine zugehörige Steuerung 32, wie etwa eine Antriebsstrangsteuereinheit (PCU). Wenngleich sie als eine Steuerung veranschaulicht ist, kann die Steuerung 32 Teil eines größeren Steuersystems sein und durch verschiedene andere Steuerungen im gesamten Fahrzeug 10, wie etwa eine Fahrzeugsystemsteuerung (vehicle system controller - VSC), gesteuert werden. Dementsprechend versteht es sich, dass die Antriebsstrangsteuereinheit 32 und eine oder mehrere andere Steuerungen gemeinsam als eine „Steuerung“ bezeichnet werden können, die verschiedene Aktoren als Reaktion auf Signale von verschiedenen Sensoren steuert, um Funktionen, wie etwa Betreiben des M/G 14 zum Bereitstellen von Raddrehmoment oder Laden der Batterie 22, Auswählen oder Planen von Gangwechseln usw., zu steuern. Die Steuerung 32 kann eine Mikroprozessor- oder eine Hauptprozessoreinheit (central processing unit - CPU) beinhalten, die mit verschiedenen Arten computerlesbarer Speichervorrichtungen oder -medien in Kommunikation steht. Computerlesbare Speichervorrichtungen oder -medien können flüchtige und nichtflüchtige Speicher zum Beispiel in Festwertspeicher (read-only memory - ROM), Direktzugriffsspeicher (random-access memory - RAM) und Keep-Alive-Speicher (KAM) beinhalten. Bei KAM handelt es sich um dauerhaften oder nichtflüchtigen Speicher, der zum Speichern verschiedener Betriebsvariablen, während die CPU abgeschaltet ist, verwendet werden kann. Computerlesbare Speichervorrichtungen oder -medien können unter Verwendung einer beliebigen einer Reihe bekannter Speichervorrichtungen umgesetzt sein, wie etwa PROMs (programmierbaren Festwertspeichern), EPROMs (elektronischen PROMs), EEPROM (elektronischen löschbaren PROMs), Flash-Speicher oder beliebigen anderen elektronischen, magnetischen, optischen oder Kombi-Speichervorrichtungen, die dazu in der Lage sind, Daten zu speichern, von denen einige ausführbare Anweisungen darstellen, die durch die Steuerung zum Steuern des Motors oder Fahrzeugs verwendet werden.
-
Die Steuerung 32 kommuniziert mit verschiedenen Fahrzeugsensoren und -aktoren über eine Eingabe-/Ausgabeschnittstelle (E/A) (einschließlich Eingabe- und Ausgabekanälen), die als einzelne integrierte Schnittstelle umgesetzt sein kann, die verschiedene Rohdaten oder Signalkonditionierung, -verarbeitung und/oder -umwandlung, Kurzschlussschutz und dergleichen bereitstellt. Alternativ können ein oder mehrere dedizierte Hardware- oder Firmware-Chips verwendet werden, um bestimmte Signale zu konditionieren und zu verarbeiten, bevor diese der CPU zugeführt werden. Wie in der repräsentativen Ausführungsform aus 1 allgemein veranschaulicht, kann die Steuerung 32 Signale an den M/G 14, die Batterie 22, das Getriebe 16, die Leistungselektronik 24 und jede beliebige andere Komponente des Antriebsstrangs 12, die enthalten, aber in 1 nicht gezeigt sein kann (d. h. eine Anfahrkupplung, die zwischen dem M/G 14 und dem Getriebe 16 angeordnet sein kann) kommunizieren und/oder von diesen empfangen. Wenngleich nicht ausdrücklich veranschaulicht, erkennt der Durchschnittsfachmann verschiedene Funktionen oder Komponenten in jedem der vorstehend genannten Teilsysteme, die durch die Steuerung 32 gesteuert werden können. Repräsentative Beispiele für Parameter, Systeme und/oder Komponenten, die direkt oder indirekt unter Verwendung von Steuerlogik und/oder Algorithmen, die durch die Steuerung 32 ausgeführt werden, betätigt werden können, beinhalten Komponenten für Frontend-Nebenaggregatsantrieb (front-end accessory drive - FEAD), wie etwa eine Lichtmaschine, einen Klimaanlagenverdichter, Batterieladung oder - entladung, Nutzbremsung, den Betrieb des M/G 14, Kupplungsdrücke für das Schaltgetriebe 16 oder eine andere Kupplung, die Teil des Antriebsstrangs 12 ist, und dergleichen. Sensoren, die Eingaben über die E/A-Schnittstelle kommunizieren, können verwendet werden, um beispielsweise Raddrehzahlen (WS1, WS2), Fahrzeuggeschwindigkeit (VSS), Kühlmitteltemperatur (ECT), Fahrpedalposition (PPS), Bremspedalpsotion (BPS), Zündschalterposition (IGN), Umgebungslufttemperatur, Gang, Übersetzung oder Modus des Getriebes, Getriebeöltemperatur (TOT), Eingangs- und Ausgangsdrehzahl des Getriebes, Verlangsamungs- oder Schaltmodus (MDE), Batterietemperatur, Batteriespannung, Batteriestrom oder Ladezustand (SOC) der Batterie anzugeben.
-
Die durch die Steuerung 32 durchgeführte Steuerlogik oder durchgeführten Funktionen können in einer oder mehreren Figuren durch Ablaufdiagramme oder ähnliche Diagramme dargestellt sein. Diese Figuren stellen repräsentative Steuerstrategien und/oder eine repräsentative Steuerlogik bereit, die unter Verwendung einer oder mehrerer Verarbeitungsstrategien umgesetzt werden können bzw. kann, wie etwa ereignisgesteuert, unterbrechungsgesteuert, Multi-Tasking, Multi-Threading und dergleichen. Somit können verschiedene veranschaulichte Schritte oder Funktionen in der veranschaulichten Reihenfolge oder parallel durchgeführt oder in einigen Fällen weggelassen werden. Wenngleich dies nicht immer ausdrücklich veranschaulicht ist, wird der Durchschnittsfachmann erkennen, dass eine(r) oder mehrere der veranschaulichten Schritte oder Funktionen wiederholt durchgeführt werden können, je nach konkret eingesetzter Verarbeitungsstrategie. Gleichermaßen ist die Verarbeitungsreihenfolge nicht zwingend erforderlich, um die hierin beschriebenen Merkmale und Vorteile zu erreichen, sondern ist zur Vereinfachung der Veranschaulichung und Beschreibung bereitgestellt. Die Steuerlogik kann hauptsächlich als Software umgesetzt sein, die durch eine mikroprozessorbasierte Fahrzeug- und/oder Antriebsstrangsteuerung, wie etwa die Steuerung 32, ausgeführt wird. Selbstverständlich kann die Steuerlogik je nach konkreter Anwendung in Software, Hardware oder einer Kombination aus Software und Hardware in einer oder mehreren Steuerungen umgesetzt sein. Bei einer Umsetzung in Software kann die Steuerlogik in einer bzw. einem oder mehreren computerlesbaren Speichervorrichtungen oder -medien bereitgestellt sein, auf denen Daten gespeichert sind, die Code oder Anweisungen darstellen, der bzw. die durch einen Computer ausgeführt wird bzw. werden, um das Fahrzeug oder seine Teilsysteme zu steuern. Die computerlesbaren Speichervorrichtungen oder -medien können eine oder mehrere einer Reihe bekannter physischer Vorrichtungen beinhalten, die elektrischen, magnetischen und/oder optischen Speicher nutzen, um ausführbare Anweisungen und zugehörige Kalibrierungsinformationen, Betriebsvariablen und dergleichen zu speichern.
-
Ein Fahrpedal 34 wird von dem Fahrer des Fahrzeugs dazu verwendet, dem Antriebsstrang 12 (oder insbesondere dem M/G 14) ein angefordertes Drehmoment, eine angeforderte Leistung oder einen angeforderten Antriebsbefehl zum Antreiben des Fahrzeugs bereitzustellen. Im Allgemeinen erzeugt ein Herunterdrücken und Freigeben des Fahrpedals 34 ein Fahrpedalpositionssignal, das durch die Steuerung 32 als Bedarf an einer erhöhten bzw. verringerten Leistung ausgelegt werden kann. Ein Bremspedal 36 wird ebenfalls von dem Fahrer des Fahrzeugs verwendet, um ein angefordertes Bremsmoment zum Verlangsamen des Fahrzeugs bereitzustellen. Im Allgemeinen erzeugt ein Herunterdrücken und Freigeben des Bremspedals 36 ein Bremspedalpositionssignal, das durch die Steuerung 32 als ein Bedarf an einer Verringerung der Fahrzeuggeschwindigkeit ausgelegt werden kann. Auf Grundlage der Eingaben des Fahrpedals 34 und des Bremspedals 36 weist die Steuerung 32 das Drehmoment und/oder die Leistung für den M/G 14 und die Reibungsbremsen 38 an. Die Steuerung 32 steuert zudem die zeitliche Abfolge von Gangwechseln im Getriebe 16.
-
Der M/G 14 kann als Elektromotor fungieren und eine Antriebskraft für den Antriebsstrang 12 bereitstellen. Um das Fahrzeug mithilfe des M/G 14 anzutreiben, überträgt die Traktionsbatterie 22 gespeicherte elektrische Energie durch Drähte 40 an die Leistungselektronik 24, die beispielsweise einen Wechselrichter beinhalten kann. Die Leistungselektronik 24 wandelt DC-Spannung von der Batterie 22 in AC- Spannung zur Verwendung durch den M/G 14 um. Die Steuerung 32 weist die Leistungselektronik 24 an, die Spannung von der Batterie 22 in eine AC-Spannung umzuwandeln, die dem M/G 14 bereitgestellt wird, um der Eingangswelle 18 positives oder negatives Drehmoment bereitzustellen.
-
Der M/G 14 kann zudem als Generator fungieren und kinetische Energie vom Antriebsstrang 12 in elektrische Energie zur Speicherung in der Batterie 22 umwandeln. Insbesondere kann der M/G 14 während Zeiten von Nutzbremsung als Generator fungieren, während derer Drehmoment und Rotationsenergie (oder kinetische Energie) von den sich drehenden Rädern 28 durch das Getriebe 16 zurück übertragen und in elektrische Energie zur Speicherung in der Batterie 22 umgewandelt wird.
-
Es versteht sich, dass die in 1 beschriebene Fahrzeugkonfiguration lediglich beispielhaft ist und nicht der Einschränkung dienen soll. Andere Elektro- oder Hybridelektrofahrzeugkonfigurationen sollten als in dieser Schrift offenbart betrachtet werden. Andere Elektro- oder Hybridelektrofahrzeugkonfigurationen können folgende beinhalten, sind aber nicht auf diese beschränkt: Reihenhybridfahrzeuge, Parallelhybridfahrzeuge, Reihen-Parallel-Hybridfahrzeuge, Plug-in-Hybridelektrofahrzeuge (plug-in hybrid electric vehicles - PHEVs), Brennstoffzellen-Hybridfahrzeuge, batteriebetriebene Elektrofahrzeuge (battery operated electric vehicles - BEVs) oder eine beliebige andere einem Durchschnittsfachmann bekannte Fahrzeugkonfiguration.
-
In Hybridkonfigurationen, die eine Brennkraftmaschine, wie etwa einen mit Benzin, Diesel oder Erdgas betriebenen Motor, beinhalten, kann die Steuerung 32 dazu konfiguriert sein, verschiedene Parameter einer derartigen Brennkraftmaschine zu steuern. Repräsentative Beispiele für Parameter, Systeme und/oder Komponenten von Brennkraftmaschinen, welche direkt oder indirekt unter Verwendung von Steuerlogik und/oder Algorithmen, die durch die Steuerung 32 ausgeführt wird bzw. werden, betätigt werden können, beinhalten Kraftsstoffeinspritzzeitpunkt, Einspritzrate und Einspritzdauer, Position der Drosselklappe, Zündzeitpunkt der Zündkerzen (bei fremdgezündeten Motoren), zeitliche Abstimmung und Dauer für Einlass- und Auslassventile usw. Sensoren, die Eingaben durch die E/A-Schnittstelle von einer derartigen Brennkraftmaschine an die Steuerung 32 kommunizieren, können verwendet werden, um Turbolader-Ladedruck, Kurbelwellenposition (PIP), Motordrehzahl (RPM), Ansaugkrümmerdruck (MAP), Position der Drosselklappen (TP), Konzentration oder Anwesenheit von Abgassauerstoff (EGO) oder anderen Abgaskomponenten, Ansaugluftstrom (MAF) usw. anzugeben.
-
Unter Bezugnahme auf 2 ist ein Ablaufdiagramm eines Verfahrens 100 zum Optimieren von Nutzbremsung in einem Hybrid-/Elektrofahrzeug (z. B. dem Fahrzeug 10) veranschaulicht. Das Verfahren 100 kann als Steuerlogik und/oder als Algorithmus in der Steuerung 32 und/oder in einem Netzwerk, das mit der Steuerung 32 in Kommunikation steht, gespeichert sein. Die Steuerung 32 kann über einen Mobilfunkmast 57, einen WLAN-Zugangspunkt oder durch einen beliebigen anderen drahtlosen Kommunikationsprozess mit dem Netzwerk in Kommunikation stehen. Es versteht sich, dass die drahtlose Kommunikation V2X-Kommunikation (Fahrzeug zu Umwelt) ermöglichen kann. Dies kann zum Beispiel Fahrzeug zu Fahrzeug, Fahrzeug zu Cloud (d. h. Fahrzeug zu Netzwerk), Fahrzeug zu Infrastruktur usw. beinhalten. Außerdem können andere Fahrzeuge Daten in das Netzwerk hochladen, die dann von dem Fahrzeug 10 heruntergeladen werden können. Die Steuerung 32 kann das Verfahren 100 umsetzten, indem sie die verschiedenen Komponenten des Fahrzeugs 10 steuert.
-
Das Verfahren 100 beginnt bei einem Block 102, bei dem Daten von mehreren teilnehmenden Fahrern während des Betriebs mehrerer Fahrzeuge gesammelt werden. Die Daten sind in Fahrerverhaltensdaten und Straßensegmentdaten unterteilt. Die Fahrerverhaltensdaten sind weiter in Daten eines ersten und eines zweiten Rangs unterteilt. Der erste Rang der Fahrerverhaltensdaten kann Fahrzeugmarke, Fahrzeugmodell, den spezifischen Antriebsstrang des Fahrzeugs und das Baujahr des Fahrzeugs beinhalten. Der zweite Rang der Daten kann das Verhältnis von Stadt- zu Autobahnfahrten, die durchschnittliche Fahrzeuggeschwindigkeit bei Stadtfahrten, die durchschnittliche Fahrzeuggeschwindigkeit bei Autobahnfahrten, die Standardabweichung der Fahrzeuggeschwindigkeit bei Stadtfahrten, die Standardabweichung der Fahrzeuggeschwindigkeit bei Autobahnfahrten, die durchschnittliche Fahrpedalposition, die Standardabweichung der Fahrpedalposition, die durchschnittliche Fahrtlänge, die Standardabweichung der Fahrtstrecke, die Nähe von Standorten der Fahrten (Start, Mitte, Ende usw.), die Bremsauswertungspunktzahl (Die Bremsauswertungspunktzahl ist ein Konzept, mit dem jede Variante von Vollhybrid-Elektrofahrzeugen, Plug-in-Hybridelektrofahrzeugen oder Batterieelektrofahrzeugen ausgestattet ist. Jedes Mal nachdem ein Fahrer eine Verlangsamung des Fahrzeugs oder ein Bremsereignis angefordert hat, berechnet die Fahrzeugsystemsteuerung oder VSC die Gesamtmenge an Energie die zurückgewonnen werden kann im Vergleich zur Energie, die nach dem Ereignis tatsächlich zurückgewonnen wurde. Nach Abschluss des Ereignisses wird die Auswertungspunktzahl im Cluster angezeigt. Die Prozentsätze, die nicht angezeigt werden, werden in der VSC gespeichert. Wenn ein Fahrzyklus abgeschlossen ist, wird der durchschnittliche Gesamtprozentsatz im Cluster angezeigt), den Anteil der Fahrzeit, in dem die Fahrzeuge in einem reinen Elektromodus betrieben werden (z. B. Betrieb des Fahrzeugs 10 in einem Elektrofahrzeugmodus, in dem der M/G 14 das Fahrzeug alleine antreibt), den Anteil der Fahrzeit, in dem die Fahrzeuge in einem Modus betrieben wird, in dem die elektrischen Maschinen, welche die Fahrzeuge antreiben, abgeschaltet sind (z. B. den Anteil der Zeit, in dem die Motoren oder Lestungsquellen die Fahrzeuge antreiben, während die elektrischen Maschinen abgeschaltet sind, wenn es sich bei den Fahrzeugen um Hybridfahrzeuge handelt), den Anteil der Fahrzeit, in dem die Fahrzeuge in einem Hybridmodus betrieben werden (z. B. den Anteil der Zeit, in dem die Fahrzeuge in einem e-Assist-Modus betrieben werden, indem die elektrischen Maschinen und zusätzliche Leistungsquellen, wie etwa die Motoren, gemeinsam betrieben werden, um das Fahrzeug anzutreiben, wenn es sich bei den Fahrzeugen um Hybridfahrzeuge handelt), den Anteil der Fahrzeit, in dem die Fahrzeuge ein Nutzbremsmanöver durchführen, den Anteil von Fahrzeugstarts, bei denen die elektrischen Maschinen die Fahrzeuge alleine antreiben, um das Fahrzeug aus einem Stillstand zu beschleunigen (d. h. Anteil von eStarts), den Anteil der Fahrzeit, in dem sich die Fahrzeuge rollen (keine Beschleunigung), den Anteil der Fahrzeit, in dem die Fahrzeuge kriechen (mit 5 mph oder weniger fahren) usw. beinhalten.
-
Die Fahrerverhaltensdaten können über die Steuerungen der mehreren Fahrzeuge (z. B. die Fahrzeugsteuerung 32) gesammelt und dann über eine beliebige Art von drahtloser Kommunikation, wie vorstehend beschrieben, geteilt werden. Beispielsweise können die Fahrerverhaltensdaten von mehreren Fahrern auf einem zentralen Server gespeichert und dann über ein drahtloses Netzwerk an die Steuerungen der mehreren Fahrzeuge kommuniziert werden.
-
Die Straßensegmentdaten sind unterteilt in vorausschauende Straßensegmentdaten und empirischen Straßensegmentdaten (d. h. wie Fahrer auf bestimmten Arten von Straßensegmenten gefahren sind). Die vorausschauenden Straßensegmentdaten beinhalten Verkehrszeichenattribute des Straßensegments (z. B. ist ein Stoppschild, ein Vorfahrtschild, eine Ampel vorhanden usw.), Nähe des Straßensegments zu anderen Straßen, Verkehrsvolumen des Straßensegments und geben an, ob sich das Straßensegment in einem städtischen oder einem ländlichen Gebiet befindet. Die vorausschauenden Straßensegmentdaten beinhalten zudem eine durchschnittliche Höhe oder einen durchschnittlichen Anstieg des Straßensegments, eine durchschnittliche Krümmung des Straßensegments (die anhand von Punkten bestimmt wird, die eine Form des Segments entlang Längen- und Breitengradwerten definieren), Kreuzungen und Arten der Straßensegmente (d. h. dreispurig, vierspurig usw.) und geben an, ob sich das Straßensegment auf einer Autobahn oder auf Stadtstraßen befindet. Schließlich beinhalten die vorausschauenden Straßensegmentdaten die Geschwindigkeitsbegrenzung des Straßensegments, eine Änderung der Geschwindigkeitsbegrenzung entlang des Straßensegments, geben an, ob sich die Krümmung der Straße entlang des Straßensegments ändert, ob sich das Straßensegment in einem Wohngebiet befindet, das Profil des Straßensegments usw. Bei dem Profil eines Straßensegments handelt es sich um eine Eigenschaft, die für jede Stelle entlang eines Wegs einen Wert aufweist (z. B. Krümmung, Nutzungsart, Anzahl an Fahrspuren, Geschwindigkeitsbegrenzung, horizontale Geometrie usw.). Beispielsweise kann eine Straßensegmentprofileigenschaft eine Autobahnausfahrtsrampe, an der „Kurvenlegung“ auftreten kann, eine einspurige Straße oder eine zweispurige Straße, einen 4-Way-Stop usw. beinhalten. Kurvenlegung bedeutet, dass sich ein Fahrzeug in einer Kurve oder bei einem Richtungswechsel in die Kurve legt oder neigt, in der Regel in der Kurve nach innen.
-
Die empirischen Straßensegmentdaten sind weiter unterteilt in Fahrzeugleistungs-Straßensegmentdaten und Fahrerverhalten-Straßensegmentdaten. Die Fahrzeugleistungs-Straßensegmentdaten beinhalten die erfolgte Nutzbremsung (als Anteil des Batterieladezustands) in den gesamten Straßensegmenten, die nicht erfolgte Nutzbremsung (als Anteil des Batterieladezustands) in den gesamten Segmenten, die erfolgte und nicht erfolgte Nutzbremsung pro Teilsegment in den gesamten Straßensegmenten (als Anteil des Batterieladezustands), die in den gesamten Straßensegmenten entladene Menge an Batterieladung (als Anteil des Batterieladezustands), die entladene Menge an Batterieladung pro Teilsegment in den gesamten Straßensegmenten (als Anteil des Batterieladezustands) usw. Die Fahrerverhalten-Straßensegmentdaten beinhalten die durchschnittliche Fahrzeuggeschwindigkeit der gesamten Straßensegmente, die Standardabweichung der Fahrzeuggeschwindigkeit der gesamten Straßensegmente, das durchschnittliche Fahrzeugdrehmoment der gesamten Straßensegmente (z. B. an entweder den Triebwerken des Fahrzeugs, wie etwa einem Motor oder einem Motor/Generator, oder den Rädern des Fahrzeugs), die Standardabweichung des Fahrzeugdrehmoments der gesamten Straßensegmente, das durchschnittliche Bremsmoment oder die durchschnittliche Verlangsamung des Fahrzeugs der gesamten Straßensegmente, die Standabweichung des durchschnittlichen Bremsmoments oder die Standardabweichung der Verlangsamung des Fahrzeugs der gesamten Straßensegmente usw.
-
Alle Daten werden zunächst aufgezeichnet, um einen anfänglichen Ausgangspunkt für die Algorithmen zu unterstützen. Eine „Fahrt“ kann als die Daten definiert werden, die von einem Zündschlüsselanschaltereignis (d. h. wenn eine Fahrzeugzündung an ist) bis zu einem Zündschlüsselabschaltereignis (d. h. wenn eine Fahrzeugzündung aus ist) gesammelt werden. Während jeder Fahrt kann ein Straßensegment einen voreingestellten Wert (z. B. 100 Yards) definieren oder weniger, wenn eine Fahrt am Ende nicht genau auf den voreingestellten Wert kommt. Jedes Straßensegment kann weiter in Teilsegmente unterteilt sein (z. B. kann jedes Straßensegment in 10 oder mehr Teilsegmente unterteilt sein). Fahrerverhaltensdaten und Straßensegmentdaten, die beliebige der vorstehend aufgeführten Fahrer- und Straßensegmentdaten beinhalten können, werden während jeder Fahrt kontinuierlich aufgezeichnet. Für Straßeneigenschaften spezifische Daten werden durch das Advanced-Driver-Assistance-Systems-Interface-Specifications(ADASIS)-v2-Protokoll (Fahrerassistenzsystem-Protokoll) unterstützt. Das ADASIS-Protokoll ist eine durch ein Konsortium definierte Spezifikation für die zeitlich abgestimmte Übertragung von Navigationsdaten über den Fahrzeug-CAN-Bus. Die Straßensegmentdaten können von Sensoren, Kameras, einem globalen Positionsbestimmungssystem (GPS) gesammelt und/oder auf Grundlage von Informationen von einem Programm für einen elektronischen Horizont (d. h. einem Computerprogramm, das Karteninformationen der Eigenschaften von Straßensegmenten, wie etwa Gefälle oder Krümmung, beinhaltet) abgeleitet werden usw. Wenn Straßensegmentdaten gesammelt werden, können Straßensegmente in bestehende Kategorien eingeteilt werden, die durch zuvor aufgezeichnete Daten des aktuellen Fahrers und/oder anderer Fahrer gebildet werden. Durch den Einsatz von Kameras/Sensoren des Fahrzeugs und vorausschauender Navigationsdaten können die Klassifikationen bevorstehender Straßensegmente mit bestehenden Klassifikationen abgeglichen werden, bevor die bevorstehenden Straßensegmente befahren werden.
-
Die vorausschauenden Straßensegmentdaten (z. B. Daten von einem Programm für einen elektronischen Horizont und/oder einer Kamera) und die empirischen Straßensegmentdaten (wie gut Fahrer mit konkreten Straßenarten zurechtgekommen sind) werden genutzt, um zukünftige Gelegenheiten zur Nutzbremsung entlang bevorstehenden Straßensegmenten vorherzusagen und eine eventuell nötige Entleerung einzuplanen, bevor die bevorstehenden Straßensegmente erreicht werden, auf denen Gelegenheiten zur Nutzbremsung identifiziert wurden. Wenn die Energiespeicherkapazität der Batterie geringer ist als die Energie, die erwartungsgemäß entlang der bevorstehenden Straßensegmente zurückgewonnen werden wird, auf denen Gelegenheiten zur Nutzbremsung identifiziert wurden, wird eine Entleerung eingeplant, um die Speicherkapazität auf die Energie, erwartungsgemäß entlang der bevorstehenden Straßensegmente zurückgewonnen werden wird, oder über diese hinaus zu erhöhen. Zum Beispiel weist die Batterie eine Ladezustandskapazität von 10 % zum Aufnehmen von Energie bei Nutzbremsung auf, wenn der Batterieladezustand bei 90 % liegt. Wenn eine Gelegenheit zur Nutzbremsung identifiziert wurde, die den Batterieladezustand um 15 % erhöhen wird, wird eine Batterieentleerung von mindestens 5 % eingeplant, bevor das bevorstehende Straßensegment erreicht wird, sodass der Batterieladezustand mindestens auf 85 % gesenkt wird und die Speicherkapazität mindestens auf 15 % erhöht wird, damit entlang des bevorstehenden Straßensegments, auf dem die Gelegenheit zur Nutzbremsung identifiziert wurde, die den Batterieladezustand um 15 % erhöhen wird, alle Energie zurückgewonnen werden kann.
-
Die Straßensegmentdaten können über die Steuerungen mehrerer Fahrzeuge (z. B. die Fahrzeugsteuerung 32) gesammelt und dann über eine beliebige Art von drahtloser Kommunikation, wie vorstehend beschrieben, geteilt werden. Beispielsweise können die Straßensegmentdaten von mehreren Fahrern auf einem zentralen Server gespeichert und über ein drahtloses Netzwerk an die Steuerungen der mehreren Fahrzeuge kommuniziert werden.
-
Das Verfahren 100 gibt als Nächstes die Fahrerverhaltensdaten (einschließlich der Daten des ersten und/oder des zweiten Rangs) und die Straßensegmentdaten (einschließlich der vorausschauenden Daten und der empirischen Daten) aus Block 102 in einen Block 104 ein. Bei Block 104 wird ein statistischer Clustering-Algorithmus auf die Fahrerverhaltensdaten von mehreren Fahrern angewendet, um die Klassifikationen des Fahrverhaltens mehrerer Fahrer festzulegen. Die Fahrerklassifikationen können aggressive Fahrer, Durchschnittsfahrer, Gelegenheitsfahrer usw. beinhalten. Zudem wird in Block 104 ein anderer statistischer Clustering-Algorithmus auf die Straßensegmentdaten von mehreren Fahrern angewendet, um die Klassifikationen der mehreren Straßensegmente festzulegen. Bei den statistischen Clustering-Algorithmen kann es sich um einen statistischen k-Means-Clustering-Algorithmus handeln.
-
Sobald die Klassifikationen über die statistischen k-Means-Clustering-Algorithmen festgelegt wurden, geht das Verfahren 100 zu einem Block 106 über, bei dem ein erstes neuronales Netzwerk für die Fahrerverhaltensklassifikationen geschult wird, die bei Block 104 festgelegt wurden, und ein zweites neuronales Netzwerk für die Straßensegmentklassifikationen geschult wird, die bei Block 104 festgelegt wurden. Das Verfahren 100 geht daraufhin zu einem Block 108 über, bei dem die Eigenschaften des aktuellen Fahrerverhaltens (d. h. das Fahrverhaltens einer Person, die aktuell ein Fahrzeug, wie etwa das Fahrzeug 10, bedient) und die Eigenschaften des einen oder der mehreren bevorstehenden Straßensegmente erfasst werden. Die Eigenschaften des aktuellen Fahrerverhaltens können beliebige der bei Block 102 gesammelten Arten von Fahrerverhaltensdaten beinhalten. Die Eigenschaften des einen oder der mehreren bevorstehenden Straßensegmente können beliebige der bei Block 102 gesammelten Arten von Straßensegmentdaten beinhalten. Während bei Block 108 kontinuierlich die Fahrerverhaltensdaten und die Straßensegmentdaten erfasst werden (was beinhalten kann, dass Daten über mehrere Fahrer erfasst werden), werden die neuen Daten in Block 104 eingegeben, um die festgelegten mehreren Fahrerverhaltensklassifikationen und die mehreren Straßensegmentklassifikationen kontinuierlich zu aktualisieren und/oder zu verfeinern.
-
Als Nächstes geht das Verfahren 100 zu einem Block 110 über, bei dem das erste geschulte neuronale Netzwerk auf die Eigenschaften des aktuellen Fahrerverhaltens angewendet wird, um eine festgelegte Fahrerverhaltenklassifikation (d. h. eine der bei Block 104 festgelegten Fahrerverhaltenklassifikationen) für den aktuellen Fahrer auszuwählen. Zudem wird bei Block 110 das zweite geschulte neuronale Netzwerk auf die Eigenschaften des einen oder der mehreren bevorstehenden Straßensegmente angewendet, um festgelegte Straßensegmentklassifikationen (d. h. eine oder mehrere der bei Block 104 festgelegten Straßensegmentklassifikationen) für das eine oder die mehreren bevorstehenden Straßensegmente auszuwählen. Als Nächstes geht das Verfahren 100 zu einem Block 112 über, bei dem die ausgewählte Fahrerverhaltenklassifikation für den aktuellen Fahrer und die ausgewählten Klassifikationen des einen oder der mehreren bevorstehenden Straßensegmente querverwiesen werden, um Gelegenheiten zur Nutzbremsung (d. h. Stellen, für welche die empirischen Straßensegmentdaten angegeben haben, dass die Fahrer in der ausgewählten Fahrerverhaltensklassifikation wahrscheinlich ein Nutzbremsmanöver entlang der ausgewählten Straßensegmentklassifikationen des einen oder der mehreren bevorstehenden Straßensegmente durchführen werden) entlang der bevorstehenden Straßensegmente zu identifizieren und eine Batterieenergieentladung zum Erhöhen der Batteriespeicherkapazität einzuplanen, bevor die bevorstehenden Straßensegmente erreicht werden, die als Gelegenheiten zur Nutzbremsung identifiziert wurden. Die querverwiesenen Daten (d. h. die querverwiesenen Daten zwischen den Fahrerklassifikationen und den Straßensegmentklassifikationen) können als Tabellen in der Steuerung 32 oder auf einem Netzwerkserver, auf den über drahtlose Kommunikation zugegriffen werden kann, gespeichert werden. Die Energieentladung kann nur dann vor Erreichen der bevorstehenden Straßensegmente, die als Gelegenheiten zur Nutzbremsung identifiziert wurden, nötig sein, wenn die Batteriespeicherkapazität nicht ausreicht, um die gesamte Menge an verfügbarer/potentieller Nutzbremsenergie zurückzugewinnen, die entlang der bevorstehenden Straßensegmente, die als Gelegenheiten zur Nutzbremsung identifiziert wurden, zurückgewonnen werden kann.
-
Unter Bezugnahme auf 3 ist ein Beispiel für ein Vorhersagen einer Gelegenheit zur Nutzbremsung entlang eines oder mehrerer bevorstehender Straßensegmente und für ein Entladen der Batterie vor der Gelegenheit zur Nutzbremsung zum Maximieren der Nutzbremsung entlang der bevorstehenden Straßensegmente veranschaulicht. In dem Beispiel werden unter Verwendung von vorausschauenden Daten, Daten von einem Programm für einen elektronischen Horizont, GPS-Daten und/oder Sensor-/Kameradaten ein erstes bevorstehendes Straßensegment und ein zweites bevorstehendes Straßensegment identifiziert. Als Nächstes wird das geschulte neuronale Netzwerk auf für das erste und das zweite bevorstehende Straßensegment ausgewählten Klassifikationen der festgelegten Straßensegmentklassifikationen angewendet. Die ausgewählten Straßensegmentklassifikationen für das erste und das zweite bevorstehende Straßensegment werden dann auf die aktuelle Fahrerverhaltensklassifikation querverwiesen (die durch Anwenden eines neuronalen Netzwerks auf die Eigenschaften des aktuellen Fahrerverhaltens zum Auswählen einer festgelegten Fahrerverhaltensklassifikation festgelegt wurde). Die querverwiesenen Daten werden dann angewendet, um Gelegenheiten zur Nutzbremsung entlang des ersten und zweiten bevorstehenden Straßensegments zu identifizieren und eine eventuell benötigte Batterieentladung, die benötigt wird, um die gesamte potentielle Nutzbremsenergie vollständig zurückzugewinnen, die (gemäß der Fahrerverhaltens- und der Straßensegmentklassifikationen) entlang der bevorstehenden Straßensegmente identifiziert wurde, einzuplanen, bevor die bevorstehenden Straßensegmente erreicht werden.
-
Ein Nächster-Nachbar-Algorithmus kann auf die Straßensegmentdaten angewendet werden, um die Straßensegment mit der besten Leistung (d. h. das Straßensegment in den Klassifikationen, das bei Nutzbremsung die größte Energiemenge zurückgewonnen hat), in den Straßensegmentklassifikationen, die mit dem ersten und dem zweiten bevorstehenden Segment vor dem aktuellen Fahrer übereinstimmen, zu identifizieren. Insbesondere kann der Nächster-Nachbar-Algorithmus Straßensegmente mit der besten Leistung in den Straßensegmentklassifizierungen identifizieren, um die maximale potentielle Nutzbremsenergie zu schätzen, die entlang des ersten und des zweiten bevorstehenden Straßensegments zurückgewonnen werden kann.
-
In dem in 3 abgebildeten Beispiel wird die identifizierte potentielle Nutzbremsenergie, die entlang des ersten bevorstehenden Straßensegments zurückgewonnen werden kann, als die Batterie um 5 % wiederaufladend identifiziert und die identifizierte potentielle Nutzbremsenergie, die entlang des zweiten bevorstehenden Straßensegments zurückgewonnen werden kann, als die Batterie um 10 % wiederaufladend identifiziert. Die Batterie des Fahrzeugs weist der Darstellung am aktuellen Segment einen Ladezustand von 90 % und eine Kapazität zum Wiederaufladen von 10 % auf. Um die gesamten 15 % entlang des ersten und zweiten bevorstehenden Straßensegments zurückzugewinnen, plant die Fahrzeugsteuerung eine Entladung von mindestens 5 % ein, um den Batterieladezustand auf höchstens 85 % zu reduzieren und die Batteriespeicherkapazität auf mindestens 15 % zu erhöhen, damit die gesamte potentielle Nutzbremsenergie entlang des ersten und des zweiten bevorstehenden Straßensegments zurückgewonnen werden kann. Eine derartige Entladung kann unter Verwendung des M/G 14 vorgenommen werden, um die Batterie 22 zu entladen, wodurch die Kraftstoffeffizienz erhöht wird und die Emissionen reduziert werden (in Hybridfahrzeugen, die sowohl einen Elektromotor als auch eine Brennkraftmaschine enthalten), indem die Verwendung der elektrischen Maschine für den Antrieb des Fahrzeugs erhöht und die Rückgewinnung von potentieller Nutzbremsenergie maximiert wird. Es ist anzumerken, dass 3 lediglich ein Beispiel für die Funktionsweise des Verfahrens 100 darstellt und dass es sich versteht, dass andere Ladezustände, Batteriewiederaufladekapazitäten, eine geschätzte Nutzbremsenergie, welche die Batterie um spezifische Prozentanteile wiederaufladen wird, usw. von den in 3 abgebildeten abweichen können.
-
Das Verfahren 100 kann zudem die Wegwahrscheinlichkeit (d. h. die Wahrscheinlichkeit, dass ein Fahrer einen bestimmten Weg und nicht einen anderen der möglichen Wege einschlangen wird) einkalkulieren. Die Wegwahrscheinlichkeit kann für die Klassifizierung des Fahrerverhaltens/der Straßensegmente zur Maximierung der Nutzbremsung eine wesentliche Rolle spielen, wenn es möglich ist, dass ein Fahrer alternative Wege einschlägt. In einem derartigen Fall können die alternativen Szenarien bei der Planung der Batterieentladung berücksichtigt werden, was erreicht werden kann, indem ein gewichteter Durchschnittswert aller potentiellen Teilwege verwendet wird. Jeder Weg kann einen gewichteten Wert erhalten, der auf der Wahrscheinlichkeit beruht, mit der ein Fahrer diesen Weg einschlagen wird, oder dieser entspricht.
-
Bei den in der Beschreibung verwendeten Ausdrücken handelt es sich eher um beschreibende als um einschränkende Ausdrücke und es versteht sich, dass verschiedene Änderungen vorgenommen werden können, ohne vom Wesen und Schutzumfang der Offenbarung abzuweichen. Wie vorstehend beschrieben, können die Merkmale verschiedener Ausführungsformen miteinander kombiniert werden, um weitere Ausführungsformen zu bilden, die unter Umständen nicht ausdrücklich beschrieben oder veranschaulicht sind. Wenngleich verschiedene Ausführungsformen als gegenüber anderen Ausführungsformen oder Umsetzungen nach dem Stand der Technik hinsichtlich einer oder mehrerer gewünschter Eigenschaften vorteilhaft oder bevorzugt beschrieben worden sein könnten, erkennt ein Durchschnittsfachmann, dass an einer oder mehreren Merkmalen oder einer oder mehreren Eigenschaften Abstriche gemacht werden können, um die gewünschten Gesamtattribute des Systems zu erreichen, die von der konkreten Anwendung und Umsetzung abhängen. Demnach liegen Ausführungsformen, die hinsichtlich einer oder mehrerer Eigenschaften als weniger wünschenswert als andere Ausführungsformen oder Umsetzungen nach dem Stand der Technik beschrieben wurden, nicht außerhalb des Schutzumfangs der Offenbarung und können für bestimmte Anwendungen wünschenswert sein.
-
Gemäß der vorliegenden Erfindung wird ein Fahrzeug bereitgestellt, das Folgendes aufweist: eine elektrische Maschine, die dazu konfiguriert ist, Energie von einer Batterie zu beziehen, um das Fahrzeug anzutreiben, und bei Nutzbremsung die Batterie wiederaufzuladen; und eine Steuerung, die dazu programmiert ist, als Reaktion darauf, dass auf Grundlage einer Klassifikation eines aktuellen Fahrerverhaltens und einer Klassifikation eines bevorstehenden Straßensegments eine Gelegenheit zur Nutzbremsung entlang des bevorstehenden Straßensegments identifiziert wurde, entlang des bevorstehenden Straßensegments die elektrische zu betreiben, um die Batterie wiederaufzuladen.
-
Gemäß einer Ausführungsform ist die Steuerung ferner dazu programmiert, als Reaktion darauf, dass eine Batterieladekapazität unter einem Wert liegt, der benötigt wird, um eine geschätzte potentielle Nutzbremsenergie entlang des bevorstehenden Straßensegments zurückzugewinnen, die elektrische Maschine zu betreiben, um die Batterieladekapazität auf mehr als den Wert zu erhöhen, bevor das Fahrzeug das bevorstehende Straßensegment erreicht.
-
Gemäß einer Ausführungsform werden Daten von mehreren Fahrern und mehreren Straßensegmenten verwendet, um die Klassifikation des aktuellen Fahrerverhaltens und die Klassifizierung des bevorstehenden Straßensegments zu bestimmen, und wobei die geschätzte potentielle Nutzbremsenergie entlang des bevorstehenden Straßensegments auf einer Anwendung eines Nächster-Nachbar-Algorithmus auf die Daten beruht.
-
Gemäß einer Ausführungsform wird die Klassifikation des aktuellen Fahrerverhaltens aus einer von mehreren Fahrerklassifikationen ausgewählt, die auf Grundlage einer Anwendung eines k-Means-Clustering-Algorithmus auf Fahrerverhaltensdaten von mehreren Fahrern festgelegt wurden.
-
Gemäß einer Ausführungsform wird ein neuronales Netzwerk für die mehreren Klassifikationen von Fahrern geschult und wobei die Klassifikation des aktuellen Fahrerverhaltens auf Grundlage einer Anwendung des neuronalen Netzwerks auf Eigenschaften den aktuellen Fahrerverhaltens aus einer der mehreren Fahrerklassifikationen ausgewählt wird.
-
Gemäß einer Ausführungsform wird die Klassifikation des bevorstehenden Straßensegments aus einer von mehreren Straßensegmentklassifikationen ausgewählt, die auf Grundlage einer Anwendung eines k-Means-Clustering-Algorithmus auf Straßensegmenteigenschaftsdaten von mehreren Straßensegmenten festgelegt wurden.
-
Gemäß einer Ausführungsform wird ein neuronales Netzwerk für die mehreren Straßensegmentklassifikationen geschult und wobei die Klassifikation des bevorstehenden Straßensegments auf Grundlage einer Anwendung des neuronalen Netzwerks auf Eigenschaften des bevorstehenden Straßensegments aus einer der mehreren Straßensegmentklassifikationen ausgewählt wird.
-
Gemäß der vorliegenden Erfindung beinhaltet ein Verfahren zum Wiederaufladen einer Fahrzeugbatterie Folgendes: Sammeln von Fahrerverhalten- und Straßensegmenteigenschaftsdaten von mehreren Fahrer über mehrere Segmente; Festlegen einer aktuellen Fahrerverhaltensklassifikation auf Grundlage der Fahrerverhaltensdaten, Festlegen einer Klassifikation des bevorstehenden Straßensegments auf Grundlage der Straßensegmenteigenschaftsdaten; Identifizieren einer Gelegenheit zur Nutzbremsung entlang des bevorstehenden Straßensegments durch Querverweisen der Fahrerverhaltensklassifikation auf die Klassifikation des bevorstehenden Straßensegments; und Wiederaufladen der Batterie über Nutzbremsung entlang des bevorstehenden Straßensegments.
-
Gemäß einer Ausführungsform ist die Erfindung ferner durch Folgendes gekennzeichnet: als Reaktion darauf, dass eine Batterieladekapazität unter einem Wert liegt, der benötigt wird, um eine geschätzte potentielle Nutzbremsenergie entlang des bevorstehenden Straßensegments zurückzugewinnen, Betreiben einer elektrischen Maschine zum Erhöhen der Batterieladekapazität auf mehr als den Wert, bevor das Fahrzeug das bevorstehende Straßensegment erreicht.
-
Gemäß einer Ausführungsform beruht die geschätzte potentielle Nutzbremsenergie entlang des bevorstehenden Straßensegments auf einer Anwendung eines Nächster-Nachbar-Algorithmus auf die Daten.
-
Gemäß einer Ausführungsform wird die Klassifikation des aktuellen Fahrerverhaltens aus einer von mehreren Fahrerklassifikationen ausgewählt, die auf Grundlage einer Anwendung eines k-Means-Clustering-Algorithmus auf die Fahrerverhaltensdaten von mehreren Fahrern festgelegt wurden.
-
Gemäß einer Ausführungsform wird ein neuronales Netzwerk für die mehreren Klassifikationen von Fahrern geschult und wobei die Klassifikation des aktuellen Fahrerverhaltens auf Grundlage einer Anwendung des neuronalen Netzwerks auf Eigenschaften des aktuellen Fahrerverhaltens aus einer der mehreren Fahrerklassifikationen ausgewählt wird.
-
Gemäß einer Ausführungsform wird die Klassifikation des bevorstehenden Straßensegments aus einer von mehreren Straßensegmentklassifikationen ausgewählt, die auf Grundlage einer Anwendung eines k-Means-Clustering-Algorithmus auf die Straßensegmenteigenschaftsdaten von mehreren Straßensegmenten festgelegt wurden.
-
Gemäß einer Ausführungsform wird ein neuronales Netzwerk für die mehreren Straßensegmentklassifikationen geschult und wobei die Klassifikation des bevorstehenden Straßensegments auf Grundlage einer Anwendung des neuronalen Netzwerks auf Eigenschaften des bevorstehenden Straßensegments aus einer der mehreren Straßensegmentklassifikationen ausgewählt wird.
-
Gemäß der vorliegenden Erfindung wird ein Fahrzeug bereitgestellt, das Folgendes aufweist: eine elektrische Maschine, die dazu konfiguriert ist, Energie von einer Batterie zu beziehen, um das Fahrzeug anzutreiben, und bei Nutzbremsung die Batterie wiederaufzuladen; und eine Steuerung, die dazu programmiert ist, als Reaktion darauf, dass auf Grundlage von Klassifikationen des aktuellen Fahrerverhaltens und eines bevorstehenden Straßensegments eine Gelegenheit zur Nutzbremsung entlang des bevorstehenden Straßensegments identifiziert wurde, ein Nutzbremsereignis entlang des bevorstehenden Straßensegments einzuplanen und als Reaktion darauf, dass eine Batterieladekapazität unter einem Wert liegt, der benötigt wird, um eine geschätzte potentielle Nutzbremsenergie während des geplanten Nutzbremsereignisses zurückzugewinnen, die elektrische Maschine zu betreiben, um die Batterieladekapazität vor dem geplanten Nutzbremsereignis auf mehr als den Wert zu erhöhen.
-
Gemäß einer Ausführungsform werden Daten von mehreren Fahrern und mehreren Straßensegmenten verwendet, um die Klassifikationen des aktuellen Fahrerverhaltens und des bevorstehenden Straßensegments zu bestimmen, und wobei die geschätzte potentielle Nutzbremsenergie während des geplanten Nutzbremsereignisses auf einer Anwendung eines Nächster-Nachbar-Algorithmus auf die Daten beruht.
-
Gemäß einer Ausführungsform wird die Klassifikation des aktuellen Fahrerverhaltens aus einer von mehreren Fahrerklassifikationen ausgewählt, die auf Grundlage einer Anwendung eines k-Means-Clustering-Algorithmus auf Fahrerverhaltensdaten von mehreren Fahrern festgelegt wurden.
-
Gemäß einer Ausführungsform wird ein neuronales Netzwerk für die mehreren Klassifikationen von Fahrern geschult und wobei die Klassifikation des aktuellen Fahrerverhaltens auf Grundlage einer Anwendung des neuronalen Netzwerks auf Eigenschaften den aktuellen Fahrerverhaltens aus einer der mehreren Fahrerklassifikationen ausgewählt wird.
-
Gemäß einer Ausführungsform wird die Klassifikation des bevorstehenden Straßensegments aus einer von mehreren Straßensegmentklassifikationen ausgewählt, die auf Grundlage einer Anwendung eines k-Means-Clustering-Algorithmus auf Straßensegmenteigenschaftsdaten von mehreren Straßensegmenten festgelegt wurden.
-
Gemäß einer Ausführungsform wird ein neuronales Netzwerk für die mehreren Straßensegmentklassifikationen geschult und wobei die Klassifikation des bevorstehenden Straßensegments auf Grundlage einer Anwendung des neuronalen Netzwerks auf Eigenschaften des bevorstehenden Straßensegments aus einer der mehreren Straßensegmentklassifikationen ausgewählt wird.
